本サイトは 12 時間以上更新されていません（通常は 3 時間ごと）。以下の内容は最新でない可能性があります。
このページに条件に合う項目はありません（絞り込みはこのページ内のみ）。
説明Agent Board：会話を超えて存続するエージェントのための永続的な協調機構（カンバン型）
要約本論文は Corvic ハーネスの協調基盤である Agent Board を紹介します。これは複数のエージェントがタスクを投稿・監視・待機できる永続的な共有タスク表です。エージェントは待機中にプロセスを保持せず、対応する投稿によって起こされます。システムエージェントの Board Keeper が外部イベントをボードに取り込み、タスクの記述文から待機中のタスクと照合します。小規模なシミュレーションでは、待機コストは待機時間に依存せず一定でしたが、単純な外部監視より高コストでした。また Board Keeper は誤起動なしで照合を行いましたが、実際の起動の 3.6% を見逃しました。
説明評価契約と評価レバレッジ：モデルを変えずに構造化予測のスライス差が動く理由
要約本論文は、文書レベル関係抽出の段落内・段落間差など、評価でよく能力の証拠として引用されるスライス差が、モデルだけでなく評価契約（スコア関数、正解データ版、閾値、出力形式、プロンプト言語）に依存することを示します。予測を固定したまま正解データを差し替えるだけで手法の順位が反転することを示し、評価レバレッジの枠組みと審査付き評価手順EvalLeverを提案しています。
注目点評価契約と評価レバレッジの枠組みを提案し、同一予測でも金標準や評価関数により分割差の順位が変わることを示し、監査手続きと公開ツールを提供。
説明強力な推論モデルが候補プールに加わったとき：LLMルーティングにおける小さな和集合プレミアムと高コストな暴走生成
この言語の要約は日付・金額などの照合を通らなかったため、表示を控えています。原文をご確認ください。
説明ScaleTraj：スケール分解による人間の移動軌跡生成手法
要約本論文は、個人の人間の移動軌跡の生成を扱っている。著者らは、トップダウン型とボトムアップ型の既存手法の間で、個人レベルと集団レベルの統計的忠実性に矛盾があることを指摘し、ボトムアップで生成した集団が切断べき乗則で表される変位分布の裾を再現できない現象を「集団レベルの変位ギャップ」と定式化している。このギャップを診断するための指標としてスケール忠実度プロファイル（SFP）を提案し、移動スケールを選ぶ頭部とスケールを考慮して目的地を予測する頭部から成る自己回帰型Transformerモデル「ScaleTraj」を開発した。二つのデータセットでの実験により、ベースライン手法と比べて集団レベルの変位ギャップが縮小し、忠実性も保たれたことが示された。
説明CHROMA-MILL：有色照明下での低照度強調とホワイトバランスの同時補正
要約本論文はCHROMA-MILLデータセットを提案します。50シーンのRAW画像を、一眼レフカメラとスマートフォンで、4種類の校正済み照明と11段階の明るさの条件下で撮影したものです。線形RAW領域で撮影画像を合成し、色度の正解値が正確な照明混合画像を作成しています。さらに、照明マップ、色度予測、照明不変のシーン埋め込みを教師ありで学習するCTI-Retinexformerを提案し、最良の逐次処理手法を PSNR_L で0.7 dB、ΔE00 で1.1上回りました。
説明同じ規則、異なる判定：韓国語サポート対話におけるLLM審査の評価基準の言語と条項構造
要約本論文は、韓国語のサービスでLLMを評価者として用いる際、判定結果が評価基準の言語や条項の書き方によって変わるかを調べたものです。著者は肯定・否定・条件・例外の4種類の条項構造で12の基準を作成し、韓国語と英語の両方で提示しました。7つのモデルで翻訳されたESConv対話と境界事例を判定させた結果、韓国語基準では供給元間の一致度が英語基準より低く、否定・条件・例外の項目で不一致が多いことが示されました。
説明評価モデルを替えると順位が変わる：LLM評価による system 比較のクロスプロバイダ再現に関する事前登録研究
要約本論文は、異なるプロバイダの複数の大規模言語モデルを評価者として用い、人間の投票を持つ Chatbot Arena の4,000回の対戦を再評価し、別プロバイダの評価モデルで結論を再現できるかを検証している。評価と人間の投票の一致度は低く、評価者を変えるとシステムの順位が大きく変動し、順位は安定するという事前に立てた仮説は支持されなかった。
説明ScienceVision：AIは科学者のように観察し推論できるか
要約本論文は、科学的3次元データを理解し推論する能力を評価するベンチマーク「ScienceVision」を提案している。生物学、化学、医用画像、機械CAD、建築の5分野から計250問の専門家レベルの視覚的質問応答を構成している。12のモデルを評価した結果、最良の平均スコアは満点1の0.53であった。ネイティブな3次元ファイルを用いた場合は、レンダリングされた2次元画像を用いた場合より、すべてのモデルで平均17.2ポイント高かった。
説明特徴に従う：SAE特徴量を用いたデータ効率的な指示チューニング手法
要約本論文は、スパースオートエンコーダ（SAE）の特徴量で学習データを特徴づけ、少数の指示チューニング用サブセットを選ぶ Follow the Features（FtF）手法を提案しています。データセット全体の活性化統計で特徴量を順位付けし、上位特徴の発現度で各サンプルを採点し、特徴量の再サンプリングで多様性を確保します。100サンプルの学習予算で GRAPE や S2L と競合する性能を示し、Qwen 3 8B を Alpaca で学習した場合は、AlpacaEval の勝率と Open LLM Leaderboard 性能の調和平均で全データ学習を1.59ポイント上回りました。ただし Leaderboard のスコア単独では全データ学習の方が高いです。
説明視覚マッチングから文章条件付けへ：参照インバージョンによるクロスドメイン少数ショットセグメンテーション
要約この論文は、少数の注釈付き参照画像のみを用いて未知のドメインの対象を分割する、クロスドメイン少数ショットセグメンテーション（CD-FSS）を扱っています。著者らは、視覚的な外観の変化に敏感な視覚マッチングの代わりに、SAM3のテキスト条件付きセグメンテーションを活用するRI-SAM3を提案しています。SAM3は凍結したまま、カテゴリごとに約12Kのパラメータのみを最適化し、複数のベンチマークで優れた性能を示したと報告されています。
説明RAPID：ランダム化手法による内部蒸留の効率向上
要約本論文は、内部活性化の蒸留で用いる RAPID という手法を提案します。既存手法では、教師と生徒のモデルの表現次元を揃えるための投影行列を学習しますが、学習後には破棄されるため無駄が生じます。RAPIDはJohnson-Lindenstrauss補題に基づくランダム投影を用い、投影パラメータを学習せずに済ませ、指数移動平均と等分散不確実性重み付けを組み合わせた多目的関数を用います。推論タスクの後学習実験では、学習効率が最大21.1%向上し、既存手法と同等の性能を維持したと報告されています。
説明AlgoPilot：戦略選択と指導による言語モデルのクロスパラダイム推論
要約本論文は、大規模言語モデルが問題に適した解法パラダイムを選び、構造化して定式化してから実行するフレームワークAlgoPilotを提案する。SteerLMが解法戦略を選択し、GuideLMが選ばれた戦略に合わせた定式化の指導を生成し、ExecutionLMがそれらを基に解答を生成する。Qwen3-8Bを用いて5つの問題カテゴリと13のベンチマークで評価し、平均精度は38.4%から72.9%に向上したと報告されている。
説明パラメータ多重集合からのReLUネットワーク合成の計算複雑性
要約本論文は、パラメータ値が事前に与えられたとき、ニューロン数の上限内でReLUネットワークの構造を選び、各数値を辺やバイアスに配置して目標の振る舞いを満たせるかを研究している。すべての入力での一致、平均損失の閾値判定など条件ごとの計算複雑性を分析し、NP完全からΣ2P、DP、NP^PP完全までの結果を示している。
説明チュートリアルを条件とすると、ワールドモデルによる利得はわずかなコンピュータ操作エージェント
要約本論文は、コンピュータ操作エージェントにおけるチュートリアル、評価器（judge）、ワールドモデルのそれぞれの寄与を検証しています。多モーダルなチュートリアル付きのデータセットを二つ構築し、方策が候補行動を提案し評価器が選ぶRAG-PolicyJudgeという枠組みを提案しています。その結果、チュートリアルがある場合、正確な視覚的未来を与えてもワールドモデルの利得はわずかであり、ボトルネックは将来状態の推論と課題完了の判定にあることが示されています。
説明ネットワーク型平均報酬マルチエージェント強化学習における有限サンプル収束：分散化の落とし穴とエントロピー正則化による対策
要約本論文は、ネットワーク内で相互作用しながら平均報酬を最大化するマルチエージェント強化学習を扱う。各エージェントはk跳ね近傍の情報のみで局所更新を行い、ネットワfull全体の報酬の最大化を協調して目指す。まず、この設定では大域最適な同時方策への収束が実現不可能であることを示す。そのうえで、線形関数近似を用いた分散型アクター・クリティック法について、勾配ノルムの小さい近似定常点への有限サンプル収束保証を与える。さらに、固定状態のエントロピー正則化を加えると目的関数の形状が変わり、同アルゴリズムの大域収束保証が強まることを示す。
説明帰納的グラフ上のコンフォーマル予測における、グラフ局所化されたカバレッジ保証
要約本論文は、帰納的ノード分類とエッジ予測のためのオンライン・コンフォーマル予測フレームワークGLocalCPを提案する。周辺と局所の両方の較正を組み合わせ、モンテカルロ・ドロップアウトによる相互情報量に基づく不確実性適応型の非適合度スコアを用いる。実験では、全体のカバレッジが近くても局所的な信頼性は大きく異なりうること、またGLocalCPが局所較正誤差を一貫して減らし予測集合を縮小することが示されている。
説明TB-Transolver：時間バンドリングによる並列化とコヒーレントな長期ロールアウト（時間依存PDE向け）
要約本論文は、時間依存偏微分方程式を解くために、時間バンドリングによってTransolverを拡張したTB-Transolverを提案する。また、バンドル内のスナップショット間の相関を定量化する時空間コヒーレンス指標を導入し、学習データだけで最適なバンドル幅を事前に選べるとしている。塑性、流体力学、反応拡散、全球天気予報の4分野で、従来の自己回帰型および時間条件付きベースラインに比べ学習が最大29倍高速になったと報告する。さらに多ノード・多GPU並列化により、高コヒーレンス系では単一GPU実装と比べて最大45.6倍の総合高速化が得られたとしている。
説明StreamLTT：依存するデータストリーム下での方策選択のためのリスク認証手法
要約本論文は、損失が時間的に依存し非定常な逐次デプロイ環境において方策のリスクを認証するStreamLTTを提案する。固定の母集団リスクの代わりに、各決定の損失を結果が判明する前に利用可能な情報で条件付けた平均予測可能リスクを用いる。族単位の誤り率制御と組み合わせることで、同時に認証された方策領域を得る。七つの予測データセットと七種類のリスクでの実験では、認証フロンティアが設定目標により近く、経験的な族誤り率も設定水準にほぼ従うことが示された。
説明RLVR学習における初期性バイアスについて
要約本論文は、検証可能な報酬による強化学習（RLVR）が、基盤モデルにすでに備わっている能力を超えて大規模言語モデルの推論能力を広げられるかを検討しています。著者らは、既に得意な問題に偏って学習が進む「初期性バイアス」の観点から、制御実験と大規模分析を行いました。その結果、混合データでのRLVR学習は易しい問題の性能をさらに高める一方、難しい問題への効果は限定的であることがわかりました。難しい問題は全体の伸びは小さいものの推論能力の拡張に最も寄与しますが、長期間の学習は易しい問題の忘却を招く場合があるとしています。
説明効率的な指示チューニングのためのクエリベース劣モジュラーデータ選択
要約本論文は、大規模で多様な学習データから少量のサンプルを選び、大規模言語モデルの指示チューニングを行うQSGS手法を提案します。サンプル選択を勾配類似度グラフ上の劣モジュラーグラフカットとして定式化し、目標タスクとの関連性と部分集合内の冗長性の抑制を両立させます。さらに勾配誘導型の合成ステップにより、既存データでは補えない目標方向を埋める例を生成します。MMLU、BBH、TydiQAでの実験では、データ予算が小さいほど効果が大きくなることが示されています。
説明投入前に予測：本番学習フリートでのハードウェア選択のための学習型スループット予測
要約本論文は、学習ジョブの投入時に各候補ハードウェア上でのスループットを予測し、コスト単位あたりの予測スループットで候補を順位付けする機械学習性能予測サービス「LEAP」を紹介します。本番環境では、20種類以上のハードウェアと数百のモデル種別にまたがり、1日に数万件のジョブ試行を振り分けています。30回の夜間再学習における精度は77%と報告されており、6か月間で順位付けを受けた学習GPU時間の割合は58%から95%に増加し、約3%の計算コスト削減が見込まれるとしています。
説明構造化された事前分布：事前データ適合ネットワークのための成分事前分布の代数に向けて
要約事前データ適合ネットワークは通常、人手で構成された単一の生成器による合成データで学習される。本論文では、代数的性質が形式的に証明された演算子（混合、畳み込み、振幅スケーリング、局所変換、射影）で結ばれた、名前付きの成分事前分布の小さな集合からなる構造化事前分布を提案し、macl2l ソフトウェアパッケージで実装している。八つの回帰ベンチマークのうち七つで、小さな成分からなる混合事前分布が個々の成分と同等以上の性能を示した一方、事前登録された平均化予測器の検証は失敗した。ネットワークが生成成分を識別する頻度が低かったためである。
注目点構造化事前分布の代数的枠組みを提案し、演算子の法則を定式化。8つの回帰ベンチマークで比較し、事前登録の検定が失敗したことも報告。
説明HybridSpec：ハイブリッド GDN-MoE モデル向けのスループット考慮型投機的デコード
要約本論文は、Gated DeltaNet（GDN）と混合専門家（MoE）層を組み合わせたハイブリッド目標モデルにおける投機的デコードの検証長に着目しています。著者らはHybridSpecを提案し、ドラフト側の受理率推定と実測の目標レイテンシに基づいてGPU上で検証長を選び、軽量なルーティング補正で一部のトークンを保持するかを決めるとともに、ブロック並列GDNカーネルで受理状態を再構成します。単一リクエストの貪欲デコードでは、3つのGDN-MoEモデルにおいて自己回帰デコードより1.75～1.88倍、DFlashより1.30～1.33倍高速でした。
説明忘れることで改善する：能動学習における原理に基づくデータ除去
要約本論文は、モデルの不一致がある場合に一部のデータが特定タスクのモデリングに悪影響を及ぼす問題を扱い、「忘れることで改善する（Forgetting to Improve）」手法を提案しています。ガウス過程モデルに対して影響関数を導出し、有害なデータサンプルを原理に基づいて除去します。ベイズ最適化、モデルベース強化学習、転移学習（transductive learning）など複数のタスクで顕著な改善が示されています。
説明心臓内4DフローMRIの時空間超解像とノイズ除去
要約本論文は、心臓内の4DフローMRIデータを深層学習で超解像化しノイズを除去する手法4D-MRAR（4D Magnetic Resonance Augmented Reconstruction）を提案している。三次元空間と時間の分解能を同時に向上できる点が特徴である。残差畳み込みニューラルネットワーク、再帰型ニューラルネットワーク、陰的ニューラル場を組み合わせ、学習時に流体の支配方程式を課している。左心室のCFD（数値流体力学）シミュレーションで学習し、全心の合成データと実際の4DフローMRIで評価されている。
説明利用か順応か？規範効用プロンプトが LLM の共同体信念の扱い方をどう変えるか
要約本論文は、一回限りの二者社会的ジレンマにおける大規模言語モデルの意思決定を検討している。共同体の信念に関する情報だけを示し、その扱い方を指定しない場合、モデルはそれを戦略的情報として扱い、雪だるま型ゲームでは共同体の協力信念が高まるほど協力が減少した。規範効用の要素を明示的に指示すると、この関係は逆転し、協力は共同体の信念とともに増加した。さらに、規範効用の指示は社会的文脈の変化に対する決定のばらつきを減らし、モデル間でより一貫した推論の傾向を生むことが示された。
説明ノイズ除去はSteinである：拡散モデルにおける隠れ構造学習のモーメントアクセスと資源階層
要約本論文は、データに隠れた非ガウス成分が含まれる場合に、ノイズ除去ペアから得点関数を学習する方法を研究している。共分散からその成分が分かる場合は部分空間を直接復元でき、共分散が等方的な場合は最初の識別可能なモーメントを抽出する必要がある。さらに、学習器の必要な特徴量数とサンプル数の指数関係を示し、干渉のない干淨な点から固定の得点ゲインを得る二段階学習器を提案している。
説明投機的デコーディングエンジンにおけるプロセッサ契約のテスト
要約投機的サンプリングは、目標分布を変えずにデコーディングを高速化できます。その標準的な保証は、制約を課したりトークンのスコアを変更したりするロジットプロセッサが、各検証位置で正しいトークン前置きと状態を受け取ることを前提としています。本論文はこのプロセッサ前置き契約を形式化し、分岐対応差分適合性テスト（BADC）を提案します。一部の Transformers と llama-cpp-python のリリースに対する実験により、検証されていないドラフトを読み込む、あるいはロールバックなしに状態を進めるという二つの原因が確認されました。
説明自然刺激fMRIの被験者間予測で、モデルの複雑さはいつ重要か（脳血流応答の予測を、複雑さと測定履歴の条件で比較した研究）
要約本論文は、自然な映像刺激に対する脳の血中酸素依存（BOLD）応答を予測する際、モデルの複雑さがどの程度有効かを検証しています。3つの公開fMRIデータセットで線形モデルと非線形モデルを比較し、既に測定されたBOLD履歴を使うかどうかも検討しています。事前学習済みの視覚特徴は生ピクセルより一般に予測精度を高め、測定履歴の利得は予測期間が長くなるにつれ小さくなる、と報告しています。
説明Recursa：再帰的に自己改善する基盤モデルシステムに向けて
要約本論文は、人間の専門家や上位の教師モデルなしに、自身の経験から学習して新しい領域に適応する基盤モデルシステムRecursaを提案している。領域固有のスキルと適用条件、過去のタスク経験、改善点の振り返りを知識リポジトリに蓄積し、並列の学習器でタスクを実行して改善を統合することで再帰的に自己改善する。Harveyの LAB Firm Knowledgeベンチマークでは、保留テストタスクの全件合格率が、DeepSeek-V4.1-Flashで30.0%から55.0%、Qwen3.8-Flashで35.0%から46.0%に向上した。
説明事前学習済みバックボーンは物理センサーに転移できるか？センサースタック全体にわたるマルチモーダル初期化の体系的研究
要約本論文は、事前学習済みの視覚モデルを複数センサーを用いた自動運転タスクへ転移させる効果を検証しています。16の公開データセットから282万枚の画像を収集し、RGB、LWIR、NIR、イベントなどの物理センサーのモダリティと、ステレオ深度やセグメンテーションなどのモデル由来モダリティを含め、MultiMAE手法によるドメイン内事前学習を行っています。ViT、MAE、DINO、MultiMAEなどの一般的な事前学習バックボーンと比較した結果、MultiMAEは未学習のモダリティにも有効に転移する強力なベースラインであり、著者らの改良は小さいものの一貫した向上をもたらしたと報告しています。
説明ROCm InferaSim：LLM推論サービングの試行錯誤コストを削減し最適構成を導入する
要約この論文は、ROCm InferaSimを提案し、短時間の少数の計測から大規模言語モデルの推論サービング性能を予測することで、全構成を網羅的に測定する必要をなくす。各カーネル集合は最大1ノードで一度だけベンチマークし、その結果（アンカー）を解析的法則で他の展開へ広げる。AMD MI355X GPUでの評価では、11個のアンカーに9.1 GPU時間を要し、それがカバーする226の固定長構成を全測定すると204 GPU時間が必要だった。172構成では出力トークンあたり時間の中央値誤差が8.1%、未使用の159の分離型展開では吞吐量の誤差が5.5%以内であった。
説明言語モデル拡張型決定トランスフォーマー：マルチタスクのオフライン強化学習のための手法
要約本論文は、マルチタスクのオフライン強化学習におけるタスクごとのデータ不足と、タスク間の汎化能力の限界という課題に取り組む。単一の大規模言語モデルを用い、自然言語のタスク記述に基づいて軌道を生成・選別し、その後同モデルを言語条件付きの決定トランスフォーマーとして実データと拡張データの混合で微調整するLaMA-DTを提案する。Meta-WorldおよびMuJoCoのマルチタスクベンチマークで、LaMA-DTが競合する基準手法を上回り、特にデータが少ない環境で効果が大きいことを示している。
説明圧縮フォーシング：階層的履歴トークン化による柔軟な世界モデル
要約本論文は、履歴圧縮を世界モデリングの予測目的に合わせる汎用フレームワーク、圧縮フォーシング（Compression Forcing）を提案している。動力学認識トークン化（DAT）は、履歴観測を動力学的顕著性の高い順に並べた系列へ圧縮し、拡散モデルを基盤として推論時に階層的履歴ガイダンス（HG-H）を可能にする。さまざまな環境での実験により、予測精度、物理的リアリズム、下流の意思決定性能の向上が示されている。
説明自律移動ロボットのための実用的な因果フレームワーク：シミュレーションから実世界の人間環境まで
要約本論文は、ロボットが事象の「なぜ」を推論して安全で効率的な判断を行えるようにする因果推論フレームワークを提案しています。シミュレーションで学習した因果関係を、高次の因果構造は保ったまま、少数の新しい観測データで因果モデルのパラメータだけを更新して実世界へ移転します。移動ロボット上で効率的に動作し、人が混在する複雑な環境で非因果的ベースラインを大きく上回り、安全に航行できたと報告しています。
説明DUNEDepth：三次元視覚基盤モデルのハイブリッド適応による気管支鏡の深度・姿勢推定
要約本論文は、気管支鏡検査動画から鏡の深度とカメラ運動を推定し、術前の胸部CT三次元画像と対応づけるためのモデル DUNEDepth を提案している。このモデルは、共有の DUNE ViT エンコーダ、二系統の MASt3R クロスアテンションデコーダ、MASt3R と Reloc3r の要素を含む予測ヘッドを組み合わせた構成である。学習には、合成教師あり学習と自己教師あり学習を組み合わせたハイブリッド戦略を用い、気管支鏡動画と CT から生成した仮想気管支鏡画像を利用する。実験では、従来の自己教師あり手法より深度と運動軌跡の推定精度が高いことが示された。
説明SurgEye：指示チューニング不要の手術シーン知覚・推論フレームワーク
要約本論文は、手術シーン理解のための SurgEye フレームワークを提案する。大規模な質問応答データによる指示チューニングを行わず、視覚基盤モデルを土台に推論を行う。ルーティング型マルチタスク知覚モジュールが空間・時間の証拠を抽出し、凍結された大規模言語モデルがそれらのツールを調整して組み合わせ推論を行う。八種類の手術を対象とした SurgEye-Bench も構築され、実験では既存手法より優れた結果が示されたとされる。
説明オフラインメタ強化学習のためのタスク認識表現付きDecision Transformer（CoTA-DT）
要約本論文は、オフラインメタ強化学習のためのCoTA-DTを提案します。対照学習、自然言語によるタスク記述との整合、タスク条件付き世界モデル、タスク条件付きQ関数の4要素を組み合わせてタスク表現を学習し、それを方策生成の条件信号として用います。論文では、多様なベンチマークで既存手法を上回り、特にゼロショット汎化で優れると報告しています。
説明張力統合構造のプレストレスの物理情報に基づく同定：張力状態と弛み状態の切り替えをまたぐ
要約本論文は、疎な構造計測からテンセグリティ構造のプレストレス、減衰、軸剛性を同定する逆問題の手法を提案しています。拘束デカルト座標系で運動方程式の残差を用いてニューラルネットワークを学習し、引張りのみを受けるケーブルの法則を維持します。シミュレーションと実測データで検証し、その誤差を報告しています。
注目点張力構造の物理情報ネットワークを順問題から逆同定へ拡張し、張緊と弛緩の遷移を扱う。シミュレーションと実測記録で、報告された小さな誤差を示す。
説明VLM表現の異方性に対するアクションヘッドの共適応を制御する研究
要約事前学習済みの視覚言語モデル（VLM）と下流のアクションヘッドを組み合わせたとき、下流モデルが表現の幾何構造にどう適応するかを研究した論文です。アクションモデルは次第にVLM出力の分散の大きい次元へ感度を集中させることを示しています。これを抑えるパラメータ不要の仕組みAdaIEを提案し、シミュレーションと実機タスクで成功率の向上を報告しています。
説明暗黙的ブランド注入による敵対的GEOの分析
要約本論文は、生成型検索エンジンにおける敵対的な最適化を扱っています。記事に指定のブランドを文脈に溶け込む形で一度だけ言及させ、過度な宣伝に見えずに検索され、生成回答に影響するかを検討します。著者らは多エージェントの枠組みIBI（Implicit Brand Injection）を提案し、1,000本のWeb記事、60の合成ブランド、12分野からなるベンチマークIBIBenchで評価しました。IBIは基線手法より意味の保持と困惑度の抑制に優れ、Hit@10は最大82.2%、ブランド言及率は最大62.7%に達したと報告しています。
説明WASP-Mem：エージェントに手続き記憶を整理させ、人間は診断に注力する手法
要約本論文は、LLMエージェントの実行履歴とフィードバックを相互リンクされた永続的なWikiページにまとめるWASP-Mem手法を提案しています。TheAgentCompanyベンチマークでは、比較した中で最強のベースラインと比べ、三つのモデルでチェックポイント合格率が4.6〜6.1%向上し、ストレージは57〜61%少なくて済みました。人間が定めたスキーマは性能を下げ、人間による一回の診断はエージェントの自己判断四回より7.0〜10.9%優れていたと報告しています。
説明げっ歯類脳卒中モデルの縦断PET解析における非線形位置合わせの影響評価
要約本研究は、ラットPET画像を標準アトラス空間へ位置合わせする2つの手法、すなわちアフィン変換のみの手法と、アフィン変換に非線形変換を加えた2段階の手法を比較したものです。8匹のラットを4つの時点で撮像した32回の[18F]-FDG PET検査を用いました。非線形段階は全スキャンでDice類似係数を高くし、ラット個体レベルでも有意な向上が見られました。一方、両手法で得られた群レベル解析の有意クラスターは大きさ、数、位置が異なり、位置合わせの方法が後続の解析結果の解釈を変えうることが示されています。
説明Dory1.0-4B：ループ型の正規化 GPT 言語モデル
要約本論文は、40億パラメータのループ型（潜在再帰型）言語モデル Dory1.0-4B を紹介します。単一のチェックポイントで、異なる推論計算量の予算に合わせて深さを調整できます。正規化 Transformer（nGPT）を基盤とし、6兆トークンで事前学習したのち、教師ありファインチューニングと検証可能な報酬による強化学習を行いました。ループ回数を増やすと精度が向上し、特にコーディング、エージェント、長文脈のベンチマークで改善が大きくなります。
説明修復の前に測定する：複数アーチファクトを含む3次元MRIのブラインド修復のための説明可能なエージェント
要約本論文は、MRIにどのアーチファクトが含まれているか分からない状態で修復を行うエージェント「Dx-Rx」を提案しています。マルチモーダル大規模言語モデルが、ノイズ、スパイク、ゴースト、バイアス場、動きの5つの診断ツールで疑わしいアーチファクトを測定してから、4つの修復ツールを使って修正します。148件の3次元T1強調画像で評価され、最良のモデルは平均64.5%のアーチファクト誤差を除去し、正解のアーチファクト情報を与えた場合の64.6%にほぼ匹敵しました。
注目点新規性は、MLLMが修復前に人工物を測定してから修復すること、3次元MRI全体を初めて扱うことにある。148件のT1ボリュームで64.5%の誤差除去を報告。
説明音楽に意味が必要なとき：音楽メタバースを変える意味論的通信
要約本論文は、離れた場所にいる音楽家、観客、音響エンジニア、AIエージェントが同期した音声・映像・動き・触覚のデータでやり取りする音楽メタバース（Musical Metaverse）の通信要件を扱う。著者らは、生データではなく音楽的に意味のある情報を送る意味論的通信によって、その遅延・同期・帯域の要件を満たせると主張する。意味の抽出、意味を考慮した制御、クロスモーダルな意味同期からなる三本柱の枠組みと、意味を最優先とする参照アーキテクチャを提案し、音楽メタバースを6Gの意味論的通信の具体的な応用例として位置づけている。
説明AIアシスタントはクラウドファンディングで創業者の性別や人種によって誰を優遇するのか？LLMを用いた評判と属性信号に関するアルゴリズム監査
要約本論文は、大規模言語モデル（LLM）アシスタントがクラウドファンディングのプロジェクト推奨において、創業者の性別や人種の信号によって偏りを生じるかを検証しています。事前に定めた選択型コンジョイント実験で、7つのモデルに、品質信号と創業者名をランダムに変えた5つの合成プロジェクトから選ばせ、40,248件の回答を収集しました。結果として、初期設定では名前の影響はほとんどなく、支援者が代表性の低い起業家を支援したい場合には、黒人系の名前と女性系の名前の創業者が優遇されることが示されています。
注目点新規性は、利用者が弱者支援を求めた場合にのみLLMが黒人・女性創業者を優遇する点。摘要は7モデルによる約40,248回の統制実験を報告。
説明FlagRot：低ビット KV キャッシュ向けの選択的回転手法
要約長文脈推論は KV キャッシュによって制約され、誤差を抑えられれば 2 ビット符号化で約 6 分の 1 に縮小できる。従来は量子化前にキーを回転させる方法が用いられてきたが、著者らは回転が常に有効とは限らないことを示した。FlagRot は 32 チャネルごとに回転版と原版のうち、校正済みの注意誤差が小さい方を保存し、読み出し時にはクエリを回転させる。値あたり 2.5 ビットの設定では、12 モデルにおける KIVI の KL ダイバージェンスを低減し、128k トークンの RULER と LongBench v1 でも改善を示した。
説明臨床データとウェアラブルデータに基づく、ガイドライン準拠の個別化運動処方マルチエージェントフレームワーク
要約本論文は、診断、服薬、機能制限、ベースラインの身体活動量などの臨床・ウェアラブルデータと、疾患別の運動ガイドラインを統合し、個別化されたFITT-VP処方を生成するマルチエージェントフレームワーク「FITTER」を提案する。規則で検証可能な安全違反は、決定論的な安全監査と修正によって補正される。All of Usの参加者400名（がん300名、脳卒中100名）のデータを用い、5つの大規模言語モデルと比較したところ、FITTERの安全制約遵守率は98.5%で、比較対象の75.8〜85.8%を上回った。臨床医による80件の処方のレビューも行われた。
説明SLATE：電子商取引のツール利用における長期的API選択のための大規模ベンチマーク
要約本論文は、約1,000のツールからなる電子商取引のAPIライブラリの中から、長い手順にわたって正しいAPIを選択・組み合わせる能力を試すベンチマーク「SLATE」を提案している。評価は最終的なタスク成功の可否で行い、決定論的なシミュレータで応答を返す。実験では、最良のモデルでもタスクの5.0%しか完了できなかった。
説明共有表現ニューラルFokker-Planck制御器による高速な平均場フォーメーション輸送手法
要約本論文は、大規模マルチエージェントシステム向けに、オンライン計算コストの低い平均場フォーメーション輸送手法を提案している。同一のパラメータ化非線形写像で密度と制御を近似し、Fokker-Planck残差、編隊整合コスト、制御エフォートを用いてパラメータを最適化する。実験では、平均場プランナーに対する精度と実行時間のトレードオフや、古典的なフィードバック基準よりも小さい輸送誤差が示されている。
説明LLMベースの意見動態におけるモデル固有のアライメント・ドリフトの測定
要約本研究は、大規模言語モデル（LLM）エージェントに論争的な政策課題を複数ラウンドにわたって議論させ、動態モデルとは独立した固定の心理測定尺度で立場を測定する枠組みを用いて、意見動態を模擬しています。ピア入力のない条件では、各モデルのエージェントが割り当てられた立場を保ち続けました。議論中に生じるアライメントの喪失は相互作用によるもので、モデルごとに異なります。そのため、どのLLMを選ぶかは社会シミュレーションの妥当性に大きく影響します。
説明AIは全てを言語化すべきか？時間的制約のある課題における警報の語用論的理解
要約本研究は、監視課題において人が既有知識を使って不完全な機械の警報を理解できるかを検証した。事前登録された実験（N=114）では、聞き手の知識モデルに基づいて何を、いつ、どの程度明示的に伝えるかを決める語用論的プランナーと、問題を発生順に完全に記述するベースラインとを比較した。その結果、参加者は不完全な警報をほぼ完全な警報と同程度の確かさで理解し、より早く反応し、より多くの問題を検出した。また、精神的負荷の増加は報告されなかった。
説明一つの誤り、三つの層：深さ方向の相関下における持続性判定ルール
要約本論文は、凍結されたニューラルネットワーク表現において信号がどの層から復号可能になるかを判定する方法を扱う。隣接層間の相関がある場合、「3層連続で閾値超え」という一般的な規則が大きく誤検出することを示し、ラベル置換によって誤り率を校正する推定法を提案している。タンパク質ポケット情報の実験では、公開された共フォールディングモデルのチェックポイントに128個の主幹パラメータが欠落していることも報告している。
説明M-オープン設定における大規模言語ベイズのスタッキングに基づく重み付け手法
要約本論文は、大規模言語ベイズ（LLB）の模型集約にスタッキングを用いる手法を提案します。LLBは自然言語の問題記述から複数の候補確率的プログラムを生成し、それぞれで推論を行います。従来はベイズ模型平均で周辺尤度により重みを決めますが、候補模型が誤指定されやすく、重みが単一の模型に集中しがちです。提案手法は周辺尤度ではなく予測性能を最適化して重みを選び、潜在変数模型で扱えない留一法の予測量に対しては、扱いやすいELBOに基づく目的関数を導出します。実データの確率的推論課題で、予測性能はベイズ模型平均と同程度であり、重みはより分散することが示されています。
説明Ermakov 型埋め込みを用いたパラメータなしの物理情報ニューラルネットワーク層
要約本論文は、時間依存係数をもつ発展方程式を扱う物理情報ニューラルネットワークの入力層に、古典的な Ermakov-Pinney スケール関数を用いたパラメータなしの埋め込みを導入する手法を提案している。初期データから矩の恒等式により閉形式でスケール関数を求めるため、補助ネットワークや解の事前知識は不要である。線形拡散、時変閉じ込めポテンシャル中の拡散、時間依存振動数の量子振動子という三つの問題族を比較し、それぞれで必要な構成要素が異なることを示している。
説明ProteoCraft：「提案と検証」による探索としてのタンパク質設計
要約本論文は、タンパク質設計を高コストな構造評価のもとで組合せ配列空間を探索する最適化問題として捉えています。拡散ベースの構造予測器の近似的な構造勾配を提案方策として用い、木構造の探索を行うProteoCraftを提案し、折りたたみモデルの無勾配推論で配列を評価します。14の設計条件で設計品質と高信頼度の収率が改善したと報告され、PD-L1ミニタンパク質では82.9%の結合ヒット率が示されています。
注目点拡散構造予測器の近似勾配を提案方策に用いる木探索フレームワークを提案し、複数の設計課題で検証している。
説明直交MMDフローによる介入分布のサンプリング
要約本論文は、目標となる介入後の結果分布をカーネル平均埋め込みで表し、粒子ベースで標本を生成するIMMD-Flow法を提案している。この手法はハード介入とソフト介入の両方に対応する。カーネル埋め込みの推定量は二重頑健かつNeyman直交であり、凍結エンコーダを用いて高次元の画像結果にも拡張される。画像ベースのベンチマークでは、既存の最先端の生成的手法と同等以上の性能を示し、速度面でも大きな利点がある。
説明糖尿病黄斑浮腫の抗VEGF療法反応予測のための条件付き敵対的拡散モデル
要約本論文は、治療前のOCT画像から治療後の画像を合成し、抗VEGF療法への初期反応を推定する条件付き敵対的拡散フレームワークを提案している。米国コホート（127例）で被験者単位の5分割交差検証を行い、イランの独立コホート（44例）で外部検証を実施した。中心窩下厚の10%減少および20%減少の閾値において、両コホートで評価した手法の中で最も高い反応予測性能を示した。
説明「Forget What Comes Next」：統計的独立性に基づく大規模言語モデルの忘却手法
要約本論文は、大規模言語モデルの機械的忘却アルゴリズムPINTを提案します。ヒルベルト・シュミット独立性基準（HSIC）を用い、忘却対象のトークンと、それを予測するために使われる内部表現との統計的依存性を低減します。この目的関数を、計算可能な上界を通じて完全記憶（Exact Memorization）と関連付けています。実験では、最大70Bパラメータのモデルで8種類の設定を比較し、ガウス型ポイズン、個人情報、生物学・サイバーセキュリティの危険な知識、著作権のある書籍やニュース記事の忘却を評価しています。PINTは平均して最も良い忘却と有用性のトレードオフを達成し、ガウス型ポイズンを検出不能にしつつ元のモデルの有用性をほぼ維持できる唯一の手法です。
注目点HSICで忘却対象トークンと予測表現の統計的依存を下げ、精確な記憶に関する計算可能な上界を与える。8設定、最大70Bモデルで報告。
説明P²-MOPD：パラメータ事前分布によるマルチ教師オンポリシー蒸留の高速化
要約本論文は、学生モデルが生成した軌跡を監督することで複数の専門家モデルの能力を統合する、マルチ教師オンポリシー蒸留を扱っています。著者らは学生と専門家のパラメータの線形結合を一つの微分可能なモデルとみなし、同じ蒸留目標のもとで混合係数と学生の重みを同時に最適化するP²-MOPDを提案しています。4つの領域と1.7Bおよび4Bの規模での実験では、MOPDより速く均衡のとれた回復が得られ、1.7Bモデルの最終平均回復率は94.7%で、MOPDの80.9%を上回りました。
説明回転不変アーキテクチャはまだ必要か？点群分類の統計的ロバスト性ベンチマーク
要約本論文は点群分類において、姿勢、ノイズ、遮蔽の摂動下で10種類のアーキテクチャを比較評価し、確証的仮説検定で結果を分析しています。回転不変（RI）アーキテクチャは姿勢に対するロバスト性が最も高い一方、5領域中4領域ではノイズに対するロバスト性が最下位付近でした。すべてのモデルを不変性損失付きで再学習した結果、不変性学習は対象とする摂動の種類にのみ効果があり、同じ学習予算では標準的なバックボーンと最良のRIアーキテクチャが未知の破損に対してほぼ同等の精度になることを示しています。
説明小規模言語モデルの医療質問応答における思考連鎖と回答の教師信号のバランス
要約本論文は、ローカルで医療質問応答を行うための小規模言語モデル（90億パラメータ以下）向けに、2種類の思考連鎖（CoT）教師ありファインチューニング手法を比較しています。一つは系列全体に均等な損失重みを与えるUaS、もう一つは思考連鎖と回答の損失を別々に重み付けするSwSです。選択式と自由記述式の医療質問応答で評価し、どちらかが常に優れるわけではないと結論づけています。
説明AIと行った研究スプリント：AIは機能したが、研究は機能しなかった
要約本論文は、研究用の生成AIツールの個人的な生産性向上が、必ずしもチームの研究の質向上につながるわけではなく、AIの利用方法の構造化がアクセスと同じくらい重要だと主張する。12名の研究者が3つの独立したチームに分かれて行った100分の研究スプリントの試験的調査では、「消費のボトルネック」と「AIがもたらす研究のサイロ化」という2つのパターンが見られた。著者らは人間・AI・人間の協働フレームワークを提案し、検証可能な7つの設計仮説を示している。
説明点群投影によるカメラ・レーダー・LiDAR融合のマルチタスク学習
要約本論文は、カメラ画像とHDレーダーおよびLiDARの透視投影点群データを早期に統合する融合アーキテクチャを提案し、自動運転の知覚に用いる。このモデルは車両の検出と走行可能領域のセグメンテーションを同時に行うよう学習される。RADIalデータセットで実験を行い、前方視点での点群とカメラ画像の融合が、近年の単独センサーモデルや他の融合モデルの性能を上回ることを示している。
説明Sim2Real V2X LiDAR検出における座標系の復元、クラス別NMS、ヌルリターンのモデル化
要約本論文は、合成データのみで三次元物体検出器を学習し、実際の路側LiDARで評価するUrbanTwin Sim2Real LiDARチャレンジのV2X-Realトラックへの取り組みを述べています。座標系の不一致の修正、歩行者向けのクラス別非極大値抑制の閾値設定、そして点(0,0,0)として記録される空の戻り値のモデル化という三つの診断的な修正を示しています。最終的な総合スコアは0.7457です。
説明FlowBench：空間知能のための反実仮想イメージ学習リソース
要約本論文は、仮定の動きによって場面がどう変わるかを推論する「反実仮想空間想像（CSI）」能力を定式化し、模擬と実世界の場面を含む42.8万件の学習例からなるFlowBenchを公開しています。Qwen3-VL-8Bを模擬の学習データで微調整すると、模擬場面での正答率が29.5ポイント上がり、実画像でも改善が見られました。また、Psi-0.6のテキストからオプティカルフローへの予測精度は52.1%から61.7%に向上しました。
説明Sim2Real路側LiDAR検出のための幾何学的精緻化と分布整合
要約本論文は、UrbanTwin Sim2Real LiDARチャレンジのLUMPIトラックへの参加手法を説明する。合成データのみで3D物体検出器を学習し、未見の実路側LiDARで評価するとともに、合成点群の分布上のリアリズムも採点される。ベースラインのPointPillarsから、パラメータ不要の幾何学的精緻化や後処理ルールの修正などによって性能を向上させ、総合スコアは0.4793であった。
説明Labtune：LLMエージェントによる研究発見において、研究室の組織と情報共有を実験変数として扱う枠組み
要約本論文はLabtuneという公開フレームワークを提案し、有界な研究ワークフローの中で研究室の組織構造、コミュニケーション方針、モデル構成、予算をユーザーが選択できるようにしています。六種類の編集可能な組織設計と、情報共有の度合いを独立に変えられる仕組みを備え、共有はコントローラーがフェーズの境界で強制します。これは概念とシステムの記述を示す論文であり、ベンチマーク結果は含みません。
説明GPUによるFastDECクラスタリングアルゴリズムの高速化
要約FastDEC は支配性に基づく密度推定を用いる密度ピーククラスタリングの手法ですが、厳密な k 近傍探索と支配成分の計算に多くの時間を要します。本論文では、GPU で高速化した実装 SymWarp-FastDEC を提案します。対称性を利用する厳密な自己 k 近傍カーネル SymTrikNN と、現代の GPU 向けの warp 並列な支配成分縮約アルゴリズム WP-DC が中核です。評価では元の FastDEC と同一のクラスタリング結果が得られ、FAISS を用いる変種と比べて端到端で約 1.7〜4.9 倍の性能向上が報告されています。
説明CoReMatch：リアルタイムロボット特徴マッチングのための再帰的連続座標精緻化手法
要約本論文は、固定グリッド上で離散的な信頼度マップを予測するのではなく、連続座標空間で対応点を直接反復的に精緻化するCoReMatchを提案する。粗い段階ではDeep Aggregated Transformerが大域的文脈を捉えて対応座標を反復更新し、軽量な回帰ヘッドがさらに位置推定を鋭くする。室内外のベンチマークでは、組み込みエッジハードウェア上でEfficient LoFTRより10倍以上速く動作しつつ、精度でも上回ることが示されている。
説明分業を超えて：マルチエージェントシステムにおける役割がフィードバックと回復をどう形作るか
要約本論文は、大規模言語モデルのマルチエージェントシステムにおいて役割設定が果たす役割を検討し、役割あり・なしのチームが失敗後にどれだけ回復できるかを比較しています。エージェント、構成、呼び出し予算、評価器を一定に保ち、役割の指示のみを変えて、Omni-MATHとSciBenchで実験を行っています。結果として、役割設定は初回の正答率にはほとんど影響しないものの、レビュー担当が承認を控えることで提出とフィードバックの機会が減り、失敗後の回復に差が出ることが示されています。
説明この記憶はどの課題に役立つのか？長期エージェント記憶の課題条件付き有用性の測定
要約本論文は、各記憶に固定の重要度を与えるのではなく、将来の具体的な課題ごとに記憶の有用性を測定する手法を提案している。LongMemEval-V2 のWebエージェント記憶から作った単発の事実想起課題では、回答に必要な情報を含む記憶の方が大きな効果を示した。あわせて、対になった測定値とコストを収めた公開データセットを提供している。一方、テストしたソフトウェア工学および科学計算のベンチマークでは、この効果は確認されなかったと報告している。
説明部分観測下で連結された予測誤差を逐次監査する研究
要約グラフ構造の予測システムにおいて、連結された地点の結果が同じ側で予測区間を外れた連結グループが存在するかを、監査者が欠損した実績値を選択的に取得して判定する方法を検討しています。観測されたラベルで事象が確定するか、問い合わせ予算が尽きた時点で監査は終了します。3つの公開グラフ時系列データでMOMSを評価し、ラベルの30%が隠されている場合、筛选後のランダム取得と比べて平均問い合わせ回数が19.6%から38.5%減少しました。
説明潜在ダイナミクスとデータ同化の出会い：Koopman型表現のベンチマーク
要約本論文は、近似周期的なものから強いカオス的なものまで、状態次元が大きく異なる5つのシステムにおいて、代表的な7つのKoopman型手法と構造的ベースラインを体系的に比較しています。予測と同化の精度、物理状態の復元、潜在軌道の挙動、動力学的一貫性を評価しています。結果では、表現の柔軟性と最適化の扱いやすさの間にトレードオフがあることが示されており、閉形式の解析更新を持つ手法が概ね良好で、より頑健であったと報告されています。
説明EpiLoRA：多数のLoRAアダプタを低精度GEMMに融合し推論サービングと強化学習に活用する手法
要約本論文は、vLLM推論エンジン向けのプラグインであるEpiLoRAを提案します。LoRAアダプタの計算を、FP8などの低精度ベースモデルの行列積（GEMM）の最終段に融合し、アダプタによる別個のGPUカーネルの遅延を減らします。NVIDIA Hopper GPUでの測定では、単一アダプタのデコードでトークンあたりの時間が最大24%短縮され、多テナント環境でもアダプタカーネルのスループットが向上したと報告されています。さらに、低精度の基盤モデル上で16ビットの重複コピーなしにLoRA強化学習を行う方法も示されています。
説明疎な観測下におけるニューラル制御微分方程式の情報限界
要約本論文は、観測が疎な場合のニューラル制御微分方程式（Neural CDE）の不確実性を扱います。離散観測の間の連続経路は一意に定まらず、異なる終端状態を生み得ます。速度が有界な平面駆動経路について、実現可能な符号付き面積と輸送されたリー括弧による一次近似のゾノトープで終端状態の集合を特徴づけ、予測対象ごとに計算可能な不確実性の証明を与えます。また、残る不確実性を減らすのに必要な観測数を分析し、合成実験で証明の有効性を検証しています。
説明ProofPaths：学生の推論過程を評価するAIエージェントの枠組み
要約本論文は、学生が解答の背後にある推論を本当に理解しているかを確かめるため、ルーブリックに基づく採点と個別の対話型面接を組み合わせたAIエージェントの枠組みProofPathsを提案している。複数の採点エージェントが教員の指針に照らして提出物を評価し、互いに批評しながら判断を修正し、そのスコアによって最終的な成績とフィードバックが決まる。面接エージェントは学生に提出物中の各ステップの説明を求め、回答に応じて追加の質問を行う。各作業の採点記録と面接の記録は保存され、教員は成績を確認し、課題のワークフロー内で上書きできる。
説明埋め込み意味エントロピー：NLIを使わず幾何学的クラスタリングで意味的不確実性を推定する手法
要約大規模言語モデルは流暢でも誤った回答を生成することがあるため、不確実性の推定が重要になります。本論文は、含意関係に基づくクラスタリングの代わりに、意味埋め込み空間でのK-Medoidsクラスタリングを用い、クラスタ内の凝集度とクラスタ間の分離度を考慮して動的にクラスタ数を選ぶ「埋め込み意味エントロピー」を提案しています。五つのデータセットと四つのモデルで評価し、AUROCとAUARCで競争力のある結果を示しています。
説明INSIGHT-HPC：グローバルHPCテレメトリ向けの解釈可能なシステム知能
要約本論文は、HPCクラスタのテレメトリを対象とした多層型異常検知アーキテクチャ INSIGHT-HPC を提案している。統計的根拠、ワークロード文脈、物理的整合性に基づく証拠を組み合わせ、分単位の観測を重複を除いた障害エピソードに変換し、運用者向けの説明を付与する。本番環境のテレメトリと制御された障害注入での評価では、精度0.913、再現率0.817、F1スコア0.862、AUROC 0.896を達成し、比較したすべてのベースラインを上回った。
説明近複素構造と複素構造の学習
要約本論文は、実次元6以下の球面および球面の積上で近複素構造と複素構造を数値的に構成する。周囲のユークリッド空間における大域的な行列場で近複素構造をパラメータ化し、多項式特徴量とニューラルネットワークで探索を行う。近複素構造は、そのような構造が存在する9つの例で数値的な許容性検査を通過し、位相的障害が知られている S^4 は棄却された。複素構造については、S^2×S^2、S^3×S^1、S^3×S^3、S^5×S^1 で学習された構造のNijenhuisノルムがいずれも10^-9未満であった。S^6、S^4×S^2、S^4×T^2 では一般的な探索は成功せず、トーラス繊維化座標で直接構成された。
説明EvoGroup：共有コンテキスト上のグループエージェント向け自己進化型ハーネス
要約本論文は、グループエージェント向けの自己進化型ハーネス EvoGroup（EvoG）を提案しています。最小限の六つのツールから始め、共有コンテキストとの相互作用を通じて適応します。EverMemBench の保留分割では pass@1 が 71.07% から 89.58% に向上し、Claude Code（85.83%）を含む人手設計のハーネスや自己進化型メモリを上回りました。固定したハーネスは未見のデータセット GroupMemBench でも良好な汎化性能を示しています。
説明ExaTune：大規模な超パラメータ地形の網羅的探索
要約本論文は、離散化された超パラメータ格子上の全点をK分割交差検証で評価し、超パラメータ地形図を作成するオープンソースのHPCシステムExaTuneを提案する。空間自己相関、ruggedness、局所最適解密度、適応度-距離相関、分散ベースのパラメータ重要度の5指標を用いて地形を分析する。5種類のモデルファミリにわたる8つの完全な地形図（計285,080構成）を公開している。著者らは、標準的な試行回数ではBayes最適化、Optuna、Hyperband、ランダム探索が、完全な地形で見える不安定領域や副次的最適解、パラメータ相互作用を見逃すと報告している。
説明Dr. No：特徴ステアリングで視覚言語モデルの棄権を制御する手法
要約大規模基盤モデルは、視覚や文章の根拠が不十分な場合でも回答してしまうことがあり、高リスクの場面では信頼しにくいという問題があります。本論文は、疎なオートエンコーダ（SAE）の特徴のうち棄権と回答に関係するものを抽出し、プリフィル段階で少数の特徴を調整するDr. Noを提案します。基盤モデルの再学習は不要です。LLaVA-1.6 Mistral 7BでUNK-VQAやMM-UPDなどの多モーダル棄権ベンチマークを、Qwen3.5-2BではAbstentionBenchの一部で言語推論課題を評価しています。結果として、事後的な拒否手法より正答と適切な棄権のバランスが良くなりました。一方、回答対象がない場合の検出やMuSiQueのような多段階検索型QAでは効果が限定的でした。
説明予測の利益と因果の損失：介入能力はデータだけからは学習できない理由
要約本論文は、決定論的予測器について、結果の直接の原因のみを用いる最良の予測器を観測データ上で上回るためには、介入への応答に持続的な誤差が必要になることを理論的に示している。一定の条件の下では、介入応答の二乗平均平方根誤差に正の下界が存在する。さらに、そのような誤差の修正は現在認められている因果仮説によって制限され、誤差を下限より下げるには、より良い仮説を導入する必要があると論じている。
説明性能・拡張性・保守性：医療分野におけるRPAと自律型エージェントの実験的比較研究
要約本論文は、検査室ポータルからマンモグラフィーおよび乳房超音波の報告書を取得するための二つの方式を比較している。一つはPlaywrightを用いたRPA、もう一つは大規模言語モデルに基づく自律型エージェント（APA）である。二回の試行（T と T+7）では、RPAの正解率が98.90%、APAが96.49%だった。患者一人あたりの処理時間はRPAが16.07秒、APAが207.21秒であった。著者らは、インターフェースが安定している場合にはRPAの方が優れると結論づけている。
説明長い推論より書き換えで十分か？推論履歴の圧縮が後続の生成とエージェントのコストに与える因果効果
要約本論文は、再学習なしにオープンウェイトの言語モデルが過去の推論内容をコンパクトな状態記録へ書き換えることで、後続の推論に使うトークンを減らせるかを検討しています。元の履歴と圧縮後の履歴からの続きを比較した結果、採用された圧縮履歴は通常、後続の推論を短くすることが示されました。ソフトウェアエージェントの運用では圧縮によって総コストを下げられる一方、タスクの品質や書き換えを含めた所要時間は対象モデルと圧縮器に依存すると報告しています。
説明RoboScope Kit：高速かつ拡張可能な具身AI評価のための統一インターフェース
要約この論文は、各モデルを統一された Policy クラス、各シミュレーションベンチマークをアダプターとして包み、ベンチマーク自身の評価規則とスコアリングを変えずに使えるRoboScope Kitを提案しています。シミュレータのワーカーとPolicyのレプリカを別々のプールで実行し、実測のプローブに基づいて規模を決め、GPUインスタンス間で決定的に作業を分割します。LIBERO-Longでは、公式StarVLA評価より4.45倍速く、成功率は同等でした。RoboTwin Easyでは、4基のGPUで500エピソードを14.4分で完了し、単一GPUの基準より25.04倍速く、成功結果と終了ステップは同一でした。
説明LaplaceDiag：学習された駆動器効果の変化による故障診断手法
要約本論文は、駆動器（アクチュエータ）の効果の変化を利用して故障機器の探索範囲を絞り込むデータ駆動型手法LaplaceDiagを提案する。ラプラス空間で動作するニューラルネットワークLaplaceNetで健全なプラントモデルを学習し、計測履歴に基づく非線形予測と、駆動器の値がセンサ値に与える影響を表す明示的な行列を分離する。健全な参照との比較により変化を検出し、駆動器に関連する診断仮説を生成する。オンラインおよびオフラインの診断に対応し、論文では2つのデータセットで評価したとしている。
説明実験室ループ型抗体最適化のための生成事前分布の確率的制御
要約本論文は、抗体創薬における初期探索と反復的最適化の二段階を統合する手法を提案する。生成的構造モデルによる探索から反復最適化へと滑らかに移行させ、構造に基づく事前分布とウェット実験データによる教師あり学習の切り替えを、確率的代理モデルの事後不確実性で制御する。著者らは、サンプル数が少ない条件で最適化効率が向上し、最適化された分子の多様性も改善されたと報告している。
説明PianoBench：言語モデルの音楽知覚と推論を評価するベンチマーク
要約本論文は、音声と記号的な楽譜転写の両方の入力を用いて、言語モデルがピアノ演奏について推論できるかを測るベンチマーク PianoBench を提案しています。ベンチマークは、ピアノ指導動画から得た 2万時間を超える、音楽と話し言葉の解説が交互に並ぶデータセットに基づいています。結果として、オープンな音声言語モデルの正答率は最高 52.8% にとどまり、転写テキストを与えられた最先端モデルは 93.2% に達しました。
説明言語モデルの応答多様性に関する条件付き相互情報量の分析
要約本論文は、大規模言語モデルが生成する応答の多様性を、条件付き相互情報量というエントロピーに基づく手法で定量的に分析したものです。仲裁型、条件付き独立型、中立（決定論的）型の三つの極限的な振る舞いを定義し、相互情報量がゼロから最大までの範囲をカバーするとしています。各振る舞いの例を示し、温度分析、言語分析、プロンプト圧縮、知識グラフへの応用を提案しています。
説明効率的な長文から短文への推論のための低ランク階層的マージ手法
要約本論文は、長い思考連鎖（CoT）モデルの推論能力と基盤モデルの簡潔な出力スタイルを組み合わせる、学習不要のモデルマージ枠組みLHMを提案しています。線形補間や一次の活性化統計に頼る従来法の代わりに、軽量な二次曲率情報を用いて層ごとの融合難度を推定し、マージ係数を適応的に決定します。1.5Bおよび7Bモデルでの6つの数学ベンチマークにおいて、ACM-TIESやORCAなどの既存手法を上回り、4%を超える精度向上と、長いCoTモデルに対する出力長の最大93.1%の削減を報告しています。
説明El Agente Fármaco：創薬のためのスケーラブルなAI科学者
要約本論文は、大規模言語モデルを用いて日常言語で表現された創薬目標を、スケーラブルな計算スクリーニングワークフローへ変換するAI科学者システム「El Agente Fármaco」を紹介している。結果と由来情報を保存する共有の科学的メモリ「Fármaco Atlas」を中核としている。回顧的比較および22課題のベンチマークにおいて、既存手法と比べて高い評価スコアを示したと報告している。
説明総合指標を超えた次回受診診断予測の再検討：検索・記憶を用いたマルチエージェント裁定
要約本論文は、患者の電子カルテをもとに次回受診時に記録される診断を予測する手法を扱っています。分布と時間推移の観点からの評価枠組みを提案し、ルール、LLMプロンプト、検索、記憶、マルチエージェントの各手法を比較しています。前回の診断を繰り返す単純な方法が、多くのLLM手法より全体的に優れていることが示されました。これを受けてLONGINUSを提案し、MIMIC-IIIとMIMIC-IVで検証しています。
説明AIRoA-0：ハンドヘルドデータから学ぶ長期的・高精度・クロスエンボディメント操作
要約論文は、16,151時間分のハンドヘルド・グリッパーによるデモンストレーションだけで学習した双腕操作システム AIRoA-0（A-0）を提案している。学習のどの段階でもロボットのデータは収集されていない。デモは、ロボットがなくても操作データを録画できるオープンソースのハンドヘルド・グリッパー YUBI で記録された。同じタスクのデモで後学習させた他の4つの視覚・言語・行動モデルのうち最も強いものの27%に対し、10タスクの評価で A-0 は平均成功率78%を示した。YUBI グリッパーを搭載した複数のロボットで動作し、データセット、事前学習済み重み、後学習の手順も公開されている。
注目点手持グリッパーのデータのみで両腕操作を学習する点が新しく、10タスクで平均成功率78%を報告し、比較した4モデルを上回ったとされる。
説明BEND 2.0：DNA設計に必要な能力を評価するベンチマーク
要約本論文は、DNA言語モデルを評価するベンチマークBEND 2.0を提案し、DNA変化の効果を予測する能力と、その予測で配列設計を導けるかを検証する。五つの実験データセットに基づく八つのタスクで、モデルの選択と表現の取り出し方がいずれも性能に影響することを示した。凍結表現に当てはめた線形読み出しは、モデル本来の出力に匹敵またはそれを上回り、機能的な後訓練によって能力も大きく向上した。
説明拡散生成事前分布を用いたJWST COSMOS-Web領域の3次元暗黒物質マップ
要約本論文は、ジェイムズ・ウェッブ宇宙望遠鏡の深部撮像を用いて、0.54平方度のCOSMOS-Web領域の3次元物質分布を再構成したものである。弱重力レンズの物理的順モデルと、宇宙論的シミュレーションから学習した拡散ベースのベイズ生成事前分布を組み合わせ、赤方偏移約2までの20のレンズ面における物質場の事後分布を得ている。投影上で重なる構造を分離し、複数の空間スケールにわたる非ガウス的な物質構造を復元している。
説明Pixel：汎用移動マニピュレーション学習のための協調設計フルスタックロボットシステム
要約本論文は、汎用移動マニピュレーションの学習に向けて協調設計された全スタック型ロボットシステム「Pixel」を提案している。低コストの車輪型ヒューマノイドロボット、複数の遠隔操作および非ロボット型の人間データ収集インターフェース、統一された全身制御器、人間とロボットの両方のデモに共通する方策学習パイプラインを組み合わせている。さらに階層型学習フレームワークにより、言語条件付きの視覚運動制御と長期タスクの実行を実現し、ハードウェア、データ収集、方策学習の各面で評価を行っている。
説明Pixel-UMI：センサー付き人間デモから環境認識型の全身マニピュレーションを学習する手法
要約本論文は、人間のデモデータから移動マニピュレーション用の全身ポリシーを学習するパイプラインPixel-UMIを提案している。環境認識型リターゲティング（EAR）、リターゲティング誤差認識マスキング（REAM）、DAggerによる人間の修正収集の3要素で、人間とロボットの身体の違いを補う。五つのタスクでの評価において平均タスク進捗は87.0%であった。